تنبؤ معامل الجريان السطحي تحت تأثير تغير المناخ باستخدام نظام الاستدلال العصبي التكيفي

الملخص

دفعت الخصائص المعقدة لآلية جريان الأمطار ، جنبًا إلى جنب مع سماتها غير الخطية والشكوك المتأصلة ، العلماء إلى استكشاف مناهج بديلة مستوحاة من الظواهر الطبيعية. من أجل معالجة هذه العقبات ، تم استخدام الشبكات العصبية الاصطناعية (ANN) والأنظمة الضبابية (FL) كبدائل مجدية للنماذج الفيزيائية التقليدية. علاوة على ذلك ، يعتبر شراء البيانات الشاملة أمرًا ضروريًا للتحليل الدقيق والنمذجة. كان الهدف الأساسي لهذه الدراسة هو استخدام البيانات المناخية ذات الصلة مثل ؛ هطول الأمطار (P) ودرجة الحرارة (T) والرطوبة النسبية (Rh) وسرعة الرياح (Ws) للتنبؤ بمعامل الجريان السطحي باستخدام نموذج نظام الاستدلال العصبي الضبابي التكيفي (ANFIS). تم استخدام نطاقات مختلفة (60:40 ؛ 70:30 ؛ 80:20) لمرحلتي التدريب والاختبار. تم استخدام النموذج للتنبؤ بمعامل الجريان السطحي في حوض نهر أكسو في مقاطعة أنطاليا في تركيا. أجرت الدراسة تحليلاً مقارناً للنتائج ، مع مراعاة مؤشرات الأداء المختلفة للنموذج ، مثل متوسط ​​الخطأ المطلق (MAE) ، ومعامل كفاءة ناش-ساتكليف (NSE) ، وجذر متوسط ​​الخطأ التربيعي (RMSE) ، والارتباط. معامل (R2). بناءً على النتائج المقدمة ، أظهر النطاق (60:40) أفضل النتائج كما يتضح من قيم RMSE و MAE المنخفضة وقيم R2 و NSE العالية (RMSE: 0.056 ، MAE: 1.92 ، NSE: 0.868 ، R2 : 0.996). استنتج أن نموذج ANFIS يتنبأ بشكل رائع بمعاملات الجريان السطحي بمستوى استثنائي من الدقة ، كما تشير نتائج الدراسة إلى أنه يمكن تحقيق تقدير دقيق لمعامل الجريان السطحي باستخدام بيانات الأرصاد الجوية دون دمج بيانات أكثر تعقيدًا وترابطًا.